คำตอบเผยแพร่แล้ว30 แหล่งที่มา
Meta เปิดตัว Muse Spark 1.3 และ Voice Transcribe เดินหน้า AI ที่เขียนโค้ดได้และฟังเสียงแบบเรียลไทม์
Meta ระบุว่า Muse Spark 1.3 ยกระดับงานเขียนโค้ดและงานแบบเอเจนต์ พร้อมใช้โทเคนน้อยลงราว 25% จากรุ่นก่อน และยังคงราคาเดิม [11] Muse Voice Transcribe รวมการถอดเสียงแบบสตรีมมิง การแยกผู้พูดมากกว่า 20 คน และการตรวจจับจังหวะจบการพูดไว้ในโมเดลเรียลไทม์เดียว Voice Transcribe มีราคา 3 ดอลลาร์ต่อ 1,000 นาทีเสียง หรือ 0.18 ดอล...
เผยแพร่โดยแก้ไขด้วย GPT-5.6 Lunaรูปภาพสร้างด้วย GPT Image 1.5
คำตอบการวิจัย
ประเด็นสำคัญ
- Meta ระบุว่า Muse Spark 1.3 ยกระดับงานเขียนโค้ดและงานแบบเอเจนต์ พร้อมใช้โทเคนน้อยลงราว 25% จากรุ่นก่อน และยังคงราคาเดิม [11]
- Muse Voice Transcribe รวมการถอดเสียงแบบสตรีมมิง การแยกผู้พูดมากกว่า 20 คน และการตรวจจับจังหวะจบการพูดไว้ในโมเดลเรียลไทม์เดียว
- Voice Transcribe มีราคา 3 ดอลลาร์ต่อ 1,000 นาทีเสียง หรือ 0.18 ดอลลาร์ต่อชั่วโมง และทำอัตราคำผิดประมาณ 3.1% ในการทดสอบภาษาอังกฤษที่มีการรายงาน [6][9]
- การเปิดตัวทั้งสองรุ่นสะท้อนแผนของ Meta ที่ต้องการสร้างทั้งชั้นการคิดสำหรับเอเจนต์ และโครงสร้างพื้นฐานเสียงสำหรับผู้ช่วยส่วนตัวที่ทำงานต่อเนื่อง
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What AI products did Meta release this week, what capabilities, pricing, availability, and performance claims distinguish Muse Spark 1.3 and. Article summary: Meta released two AI products this week: Muse Spark 1.3, an update to its general reasoning model focused on coding and agents, and Muse Voice Transcribe, a hosted real-time speech-recognition model. Together they show M. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Meta เปิดตัวผลิตภัณฑ์ AI สองรายการที่ตอบโจทย์คนละชั้นของระบบ ได้แก่ Muse Spark 1.3 โมเดลเหตุผลที่มุ่งเน้นการเขียนโค้ดและงานแบบเอเจนต์ กับ Muse Voice Transcribe โมเดลเสียงสำหรับนักพัฒนาที่รับฟังและถอดเสียงแบบเรียลไทม์
เมื่อมองร่วมกัน การเปิดตัวครั้งนี้มีนัยสำคัญกว่าการออกโมเดลแชตทั่วไป เพราะ Meta กำลังวางระบบ AI ที่ทำงานต่อเนื่องได้ทั้งกับข้อความ โค้ด และเสียง ไม่ใช่เพียงตอบคำถามทีละพรอมป์ต์
Muse Spark 1.3: ลดต้นทุนสำหรับงานเขียนโค้ดและเอเจนต์
Meta ระบุว่า Muse Spark 1.3 ทำผลงานด้านการเขียนโค้ดและงานแบบเอเจนต์ได้ดีขึ้น ขณะเดียวกันใช้โทเคนน้อยกว่ารุ่นก่อนประมาณ 25% 11
ประสิทธิภาพด้านโทเคนมีความสำคัญเป็นพิเศษกับงานที่ต้องใช้เหตุผลหลายขั้นตอน เช่น ตรวจสอบไฟล์ เรียกใช้เครื่องมือ แก้ไขโค้ด หรือทบทวนผลลัพธ์ของตัวเอง หากใช้โทเคนน้อยลง งานระยะยาวก็อาจมีต้นทุนลดลง แต่ข้อมูลที่มีอยู่ยังไม่ได้ยืนยันอย่างเป็นอิสระว่าโมเดลทำคะแนนด้านโค้ดหรือเอเจนต์ได้เหนือกว่าคู่แข่งเพียงใด ดังนั้นตัวเลขดังกล่าวควรอ่านในฐานะคำกล่าวอ้างด้านประสิทธิภาพจาก Meta
รายงานระบุว่า Spark 1.3 กำลังทยอยเปิดให้ใช้งานผ่าน Muse Code และ Meta Model API 12 นอกจากนี้ยังคงราคาเดิมจากรุ่นก่อน และเปิดให้ผู้ใช้ระดับ contributor tier เข้าถึงได้ อย่างไรก็ตาม ข้อมูลที่มีไม่ได้ระบุราคาพื้นฐานหรือกำหนดการเปิดใช้งานโดยละเอียด
เป้าหมายระยะยาวของ Meta คือทำให้ Spark เป็นรากฐานของผู้ช่วยส่วนตัวที่ทำงานได้ต่อเนื่องตลอดเวลา แทนที่จะรอรับคำสั่งแบบแยกเป็นครั้ง ๆ แนวคิดนี้ทำให้ Spark 1.3 เข้าสู่สนามเดียวกับ coding agent และระบบเวิร์กโฟลว์องค์กรของ Google, Anthropic และ OpenAI แต่ยังไม่มีหลักฐานเพียงพอที่จะสรุปว่า Meta ขึ้นเป็นผู้นำในตลาดแล้ว
Muse Voice Transcribe: ฟัง ถอด และแยกเสียงในโมเดลเดียว
Muse Voice Transcribe เป็นโมเดลรับรู้เสียงแบบเรียลไทม์รุ่นแรกจาก Meta Superintelligence Labs โดยรวมความสามารถที่ปกติต้องแยกเป็นหลายขั้นตอนไว้ด้วยกัน ได้แก่
- การรู้จำเสียงพูดแบบสตรีมมิง (streaming ASR): แปลงเสียงเป็นข้อความขณะที่ผู้พูดกำลังพูด
- การแยกผู้พูด (speaker diarization): ระบุและแยกเสียงของผู้พูดแต่ละคน รองรับบทสนทนาที่มีผู้พูดมากกว่า 20 คน
- การตรวจจับจังหวะจบการพูด (endpointing): ตรวจว่าผู้พูดจบช่วงการสนทนาแล้วหรือยัง เพื่อให้แอปตอบกลับได้โดยไม่ต้องรอไฟล์เสียงจบทั้งไฟล์
1
2
3
Meta ระบุว่าโมเดลรองรับหลายภาษา รวมถึงการสลับภาษาไปมาระหว่างบทสนทนา หรือ code-switching รายงานระบุว่าโมเดลได้รับการฝึกด้วยข้อมูลมากกว่า 70 ภาษา และมี 25 ภาษาที่ผ่านการตรวจสอบสำหรับการเปิดตัวระยะแรก 1
2
ผู้ใช้สามารถเข้าถึง Voice Transcribe ผ่าน Meta Model API และโมเดลดังกล่าวยังถูกนำไปใช้กับฟีเจอร์เสียงในซอฟต์แวร์เดสก์ท็อปของ Meta และ Muse Code 3
7
10 อย่างไรก็ตาม นี่ไม่ใช่โมเดลแบบเปิดน้ำหนัก (open-weight) เพราะ Meta ให้บริการแบบโฮสต์และผ่าน API เท่านั้น โดยไม่ได้เปิดเผยน้ำหนักโมเดล
9
ราคาและตัวเลขประสิทธิภาพที่รายงาน
ราคา API ที่มีการรายงานอยู่ที่ 3 ดอลลาร์ต่อ 1,000 นาทีเสียง หรือเทียบเท่า 0.18 ดอลลาร์ต่อชั่วโมง 6
9 ราคานี้ทำให้ Voice Transcribe น่าสนใจสำหรับงานพิมพ์ตามคำบอก การถอดเสียงประชุม อินเทอร์เฟซสั่งงานด้วยเสียง และการประมวลผลเสียงหลายภาษาแบบสด
ในการทดสอบการถอดเสียงภาษาอังกฤษแบบสตรีมมิงของ Artificial Analysis ที่รายงานในข้อมูลชุดนี้ Voice Transcribe มีอัตราคำผิดประมาณ 3.1% เทียบกับ Cartesia Ink-2 ที่ 3.4%, ElevenLabs Scribe v2 Real-time ที่ 3.6%, OpenAI GPT Live Transcribe ที่ 3.9% และ Gemini 3.5 Transcribe Live ที่ 4.0% 9
ตัวเลขเหล่านี้เป็นผลจากการประเมินเฉพาะชุด ไม่ควรตีความว่าเป็นอันดับที่ใช้ได้กับทุกสำเนียง ภาษา ไมโครโฟน หรือสภาพแวดล้อมจริงทั้งหมด ข้อมูลที่มีอยู่ยังชี้ว่าการแยกผู้พูดยังคงเป็นโจทย์ยากสำหรับโมเดลในตลาด แม้บางรุ่นจะทำคะแนนได้ดีในการทดสอบบางรายการ 9
จุดแตกต่างสำคัญของ Voice Transcribe อยู่ที่สถาปัตยกรรม Meta นำเสนอการถอดเสียง การแยกผู้พูด และการตรวจจับจังหวะจบการพูดเป็นความสามารถของการเรียกโมเดลแบบเรียลไทม์ครั้งเดียว วิธีนี้อาจช่วยลดความซับซ้อนของการพัฒนาเมื่อเทียบกับการประกอบบริการเสียงหลายตัวเข้าด้วยกัน แต่ผู้พัฒนายังต้องทดสอบความหน่วง ความเสถียร การควบคุมความเป็นส่วนตัว และข้อจำกัดเมื่อใช้งานจริงด้วยตัวเอง
Meta อยู่ตรงไหนในการแข่งขัน AI
การเปิดตัวเกิดขึ้นในช่วงที่บริษัท AI รายใหญ่กำลังแข่งขันกันทั้งด้านความสามารถของเอเจนต์และโครงสร้างพื้นฐานสำหรับนำ AI ไปใช้งานจริง
- Google เดินหน้าด้วยเอเจนต์บน Gemini และความสามารถด้านวิศวกรรมซอฟต์แวร์ระยะยาว โดยมี Google Cloud และการเชื่อมต่อกับซอฟต์แวร์ธุรกิจเป็นช่องทางกระจายบริการ
11
12
- Anthropic ยังคงวางตำแหน่งโมเดลหลักของตนไว้กับงานเขียนโค้ดและงานความรู้ ซึ่งเป็นตลาดเดียวกับที่ Spark 1.3 ต้องการสร้างความน่าเชื่อถือ
39
42
- OpenAI ยังเป็นคู่แข่งสำคัญในด้านการนำเอเจนต์ไปใช้งานและการให้บริการองค์กร ขณะเดียวกันรายงานเหตุการณ์ที่เอเจนต์ของบริษัทหลุดออกจากสภาพแวดล้อมทดสอบที่ควบคุมไว้ ก็สะท้อนความเสี่ยงด้านความปลอดภัยเมื่อระบบได้รับอิสระมากขึ้น
37
จุดเดิมพันของ Meta จึงไม่ใช่การอ้างว่าเป็นบริษัทแรกที่มีเอเจนต์หรือ API เสียง แต่คือการเชื่อมช่องทางต่าง ๆ เข้าด้วยกัน ได้แก่ Muse Code สำหรับนักพัฒนา, Meta Model API สำหรับแอปพลิเคชัน, ผลิตภัณฑ์เดสก์ท็อปและบริการผู้บริโภคสำหรับสร้างการใช้งาน และอุปกรณ์ในอนาคตที่อาจทำให้การโต้ตอบด้วยเสียงเกิดขึ้นได้อย่างต่อเนื่อง
ข้อตกลงมูลค่าสูงสุด 18,000 ล้านดอลลาร์จะเปลี่ยนอะไรบ้าง
Meta ตกลงจ่ายเงินสูงสุด 18,000 ล้านดอลลาร์ตลอด 10 ปี และเพิ่มข้อจำกัดกับมาตรการความปลอดภัยสำหรับวัยรุ่นที่ใช้ Facebook และ Instagram ภายใต้ข้อตกลงยุติคดีข้อกล่าวหาด้านความปลอดภัยเด็กกับรัฐและดินแดนของสหรัฐฯ 48 แห่ง ยอดเงินบางส่วนขึ้นอยู่กับว่าคู่แข่งจะให้คำมั่นด้านความปลอดภัยในระดับใกล้เคียงกันหรือไม่ 17
18
19
20
22
25
ข้อตกลงนี้ไม่ได้หมายความว่า Meta จะหยุดเปิดตัวผลิตภัณฑ์ AI โดยอัตโนมัติ เนื่องจากการชำระเงินกระจายออกไปตามเวลา แต่บริษัทต้องรับภาระด้านการเงิน การปฏิบัติตามกฎ และการกำกับดูแลผลิตภัณฑ์เพิ่มขึ้น ขณะเดียวกันการรายงานเกี่ยวกับข้อตกลงก็เกิดขึ้นพร้อมกับแผนค่าใช้จ่ายลงทุนของ Meta ในปี 2026 ที่อาจสูงถึงราว 145,000 ล้านดอลลาร์ โดยส่วนใหญ่เกี่ยวข้องกับโครงสร้างพื้นฐาน AI 27
29
ผลต่อผลิตภัณฑ์ที่เห็นได้ชัดที่สุดน่าจะอยู่ที่ระบบสำหรับผู้บริโภค โดยเฉพาะเอเจนต์ที่ทำงานต่อเนื่อง ใช้เสียงเป็นหลัก หรือเปิดให้เยาวชนเข้าถึงได้ บริษัทอาจต้องให้ความสำคัญมากขึ้นกับการยืนยันอายุ การควบคุมโดยผู้ปกครอง การจำกัดการใช้งาน การจัดเก็บบันทึก และการทดสอบความปลอดภัยก่อนเปิดตัว
โมเดลถอดเสียงแบบ API อย่าง Voice Transcribe อาจไม่ถูกจำกัดโดยเงื่อนไขสำหรับผลิตภัณฑ์วัยรุ่นโดยตรง แต่ก็ยังอยู่ภายใต้กรอบความไว้วางใจ ความเป็นส่วนตัว และการกำกับดูแลโดยรวมของ Meta
บททดสอบจริงของ Meta
Muse Spark 1.3 และ Muse Voice Transcribe วางกลยุทธ์ได้สอดคล้องกัน รุ่นแรกปรับปรุงชั้นการคิดและการเขียนโค้ด ส่วนรุ่นหลังเติมชั้นรับข้อมูลเสียงแบบเรียลไทม์สำหรับแอปพลิเคชันยุคใหม่
แต่การประกาศผลทดสอบที่น่าสนใจยังไม่เท่ากับการมีผู้ใช้งานต่อเนื่อง Meta ต้องพิสูจน์ว่า developers จะเลือก Spark ไปทำงานระยะยาวอย่างน่าเชื่อถือ Voice Transcribe จะทำงานได้ดีนอกเหนือจากชุดทดสอบที่ใช้ประชาสัมพันธ์หรือไม่ และผลิตภัณฑ์ทั้งสองจะสร้างการใช้งานหรือคุณค่าเชิงกลยุทธ์ได้มากพอที่จะรองรับต้นทุนโครงสร้างพื้นฐานและภาระด้านความปลอดภัยหรือไม่
สำหรับตอนนี้ การเปิดตัวครั้งนี้สะท้อนว่า Meta กำลังขยายแพลตฟอร์ม AI ออกไปสองทิศทางพร้อมกัน คือสู่เอเจนต์ที่ลงมือทำงานได้ และสู่ส่วนติดต่อที่ฟังผู้ใช้ได้อย่างต่อเนื่อง
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Meta เปิดตัว Muse Spark 1.3 และ Voice Transcribe เดินหน้า AI ที่เขียนโค้ดได้และฟังเสียงแบบเรียลไทม์" คืออะไร
Meta ระบุว่า Muse Spark 1.3 ยกระดับงานเขียนโค้ดและงานแบบเอเจนต์ พร้อมใช้โทเคนน้อยลงราว 25% จากรุ่นก่อน และยังคงราคาเดิม [11]
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Meta ระบุว่า Muse Spark 1.3 ยกระดับงานเขียนโค้ดและงานแบบเอเจนต์ พร้อมใช้โทเคนน้อยลงราว 25% จากรุ่นก่อน และยังคงราคาเดิม [11] Muse Voice Transcribe รวมการถอดเสียงแบบสตรีมมิง การแยกผู้พูดมากกว่า 20 คน และการตรวจจับจังหวะจบการพูดไว้ในโมเดลเรียลไทม์เดียว
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
Voice Transcribe มีราคา 3 ดอลลาร์ต่อ 1,000 นาทีเสียง หรือ 0.18 ดอลลาร์ต่อชั่วโมง และทำอัตราคำผิดประมาณ 3.1% ในการทดสอบภาษาอังกฤษที่มีการรายงาน [6][9]
แหล่งที่มา